Fugu-MT 論文翻訳(概要): Comparison of marker-less 2D image-based methods for infant pose estimation

論文の概要: Comparison of marker-less 2D image-based methods for infant pose estimation

arxiv url: http://arxiv.org/abs/2410.04980v1
Date: Mon, 7 Oct 2024 12:21:49 GMT
ステータス: 処理完了
システム内更新日: 2024-11-02 00:57:50.165698
Title: Comparison of marker-less 2D image-based methods for infant pose estimation
Title（参考訳）: 乳児ポーズ推定のためのマーカーレス2次元画像ベース手法の比較
Authors: Lennart Jahn, Sarah Flügge, Dajie Zhang, Luise Poustka, Sven Bölte, Florentin Wörgötter, Peter B Marschik, Tomas Kulvicius,
Abstract要約: GMA(General Movement Assessment)は、乳児運動機能(英語版)を分類するためのビデオベースのツールである。一般用および幼児用推定器の性能と最適な記録のための視角の選択を比較した。以上の結果から,成人のViTPoseを訓練する上で,最も優れた行動モデルが幼児の行動に有効であることが示唆された。
参考スコア（独自算出の注目度）: 2.7726930707973048
License: http://creativecommons.org/licenses/by/4.0/
Abstract: There are increasing efforts to automate clinical methods for early diagnosis of developmental disorders, among them the General Movement Assessment (GMA), a video-based tool to classify infant motor functioning. Optimal pose estimation is a crucial part of the automated GMA. In this study we compare the performance of available generic- and infant-pose estimators, and the choice of viewing angle for optimal recordings, i.e., conventional diagonal view used in GMA vs. top-down view. For this study, we used 4500 annotated video-frames from 75 recordings of infant spontaneous motor functions from 4 to 26 weeks. To determine which available pose estimation method and camera angle yield the best pose estimation accuracy on infants in a GMA related setting, the distance to human annotations as well as the percentage of correct key-points (PCK) were computed and compared. The results show that the best performing generic model trained on adults, ViTPose, also performs best on infants. We see no improvement from using specialized infant-pose estimators over the generic pose estimators on our own infant dataset. However, when retraining a generic model on our data, there is a significant improvement in pose estimation accuracy. The pose estimation accuracy obtained from the top-down view is significantly better than that obtained from the diagonal view, especially for the detection of the hip key-points. The results also indicate only limited generalization capabilities of infant-pose estimators to other infant datasets, which hints that one should be careful when choosing infant pose estimators and using them on infant datasets which they were not trained on. While the standard GMA method uses a diagonal view for assessment, pose estimation accuracy significantly improves using a top-down view. This suggests that a top-down view should be included in recording setups for automated GMA research.
Abstract（参考訳）: 発達障害の早期診断のための臨床手法の自動化への取り組みが活発化しており、乳幼児運動機能分類のためのビデオベースツールであるGeneral Movement Assessment (GMA) もその1つとなっている。最適ポーズ推定は、自動化されたGMAの重要な部分である。本研究は,一般用および幼児用推定器の性能と,GMAとトップダウン・ビューで使用される従来の対角線ビューの最適記録における視角の選択を比較した。本研究は,乳児の自発運動の75回記録から4500本のビデオフレームを4週間から26週間使用した。乳幼児のポーズ推定方法とカメラアングルをGMA関連設定で決定するために、人的アノテーションと正しいキーポイント(PCK)の比率を計算して比較した。以上の結果から,成人のViTPoseを訓練する上で,最も優れた行動モデルが幼児の行動に有効であることが示唆された。乳児データセット上の一般的なポーズ推定値に対して、乳幼児の目的推定値を使用することによる改善は見つからない。しかし、データ上でジェネリックモデルを再トレーニングする場合、ポーズ推定精度が大幅に向上する。トップダウンビューから得られるポーズ推定精度は、特にヒップキーポイントの検出において、対角ビューから得られたポーズ推定精度よりも著しく優れている。また,乳児のポーズ推定装置を選択して,訓練を受けていない幼児のデータセットに使用する場合には,乳幼児のポーズ推定器を他の幼児のデータセットに限定した一般化能力が示唆される。標準GMA法は対角ビューを用いて評価を行うが、ポーズ推定精度はトップダウンビューを用いて大幅に向上する。これは、自動GMA研究のための記録設定にトップダウンビューを含めるべきであることを示唆している。

関連論文リスト

Advancing Newborn Care: Precise Birth Time Detection Using AI-Driven Thermal Imaging with Adaptive Normalization [1.101731711817642]
本稿では,人工知能(AI)とサーマルイメージングの融合について検討し,第1次AI駆動型バース検出器の開発について述べる。まず,ガウス混合モデル(GMM)に基づく適応正規化手法を提案し,温度変動に関する問題を緩和する。熱フレーム内での新生児の検出において、88.1%の精度と89.3%のリコールが報告されている。
論文参考訳（メタデータ） (2024-10-14T13:20:51Z)
Opinion-Unaware Blind Image Quality Assessment using Multi-Scale Deep Feature Statistics [54.08757792080732]
我々は,事前学習された視覚モデルからの深い特徴を統計的解析モデルと統合して,意見認識のないBIQA(OU-BIQA)を実現することを提案する。提案モデルは,最先端のBIQAモデルと比較して,人間の視覚的知覚との整合性に優れる。
論文参考訳（メタデータ） (2024-05-29T06:09:34Z)
Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images [68.42215385041114]
本稿では,CLIPモデルを用いた医用異常検出のための軽量な多レベル適応と比較フレームワークを提案する。提案手法では,複数の残像アダプタを事前学習した視覚エンコーダに統合し,視覚的特徴の段階的向上を実現する。医学的異常検出ベンチマーク実験により,本手法が現在の最先端モデルを大幅に上回っていることが示された。
論文参考訳（メタデータ） (2024-03-19T09:28:19Z)
RIDE: Self-Supervised Learning of Rotation-Equivariant Keypoint Detection and Invariant Description for Endoscopy [83.4885991036141]
RIDEは回転同変検出と不変記述のための学習に基づく手法である。内視鏡画像の大規模なキュレーションを自己指導的に行う。マッチングと相対的なポーズ推定タスクに対して、最先端のパフォーマンスを新たに設定する。
論文参考訳（メタデータ） (2023-09-18T08:16:30Z)
An Improved Model Ensembled of Different Hyper-parameter Tuned Machine Learning Algorithms for Fetal Health Prediction [1.332560004325655]
本研究では,胎児の健康状態を予測するために,Support Vector MachineとExtraTreesのアンサンブルと呼ばれる頑健なアンサンブルモデルを提案する。提案したETSEモデルは、100%精度、100%リコール、100%F1スコア、99.66%精度で他のモデルより優れていた。
論文参考訳（メタデータ） (2023-05-26T16:40:44Z)
Localizing Scan Targets from Human Pose for Autonomous Lung Ultrasound Imaging [61.60067283680348]
新型コロナウイルス(COVID-19)の世界的なパンデミックの出現に伴い、超音波画像を完全に自動化する必要がある。本稿では,学習型コンピュータビジョン技術を取り入れた,視覚に基づくデータ駆動方式を提案する。本手法は、プローブ位置決めのための15.52mm(9.47mm)、プローブ方位のための4.32(3.69deg)の精度を達成し、全走査目標に対する誤差閾値25mm以下で成功率を80%以上とした。
論文参考訳（メタデータ） (2022-12-15T14:34:12Z)
Bottom-Up 2D Pose Estimation via Dual Anatomical Centers for Small-Scale Persons [75.86463396561744]
マルチパーソン2Dポーズ推定では、ボトムアップ手法は同時にすべての人のポーズを予測する。本手法は,バウンディングボックス精度を38.4%改善し,バウンディングボックスリコールを39.1%改善した。ヒトのポーズAP評価では,COCOテストデフセット上で新しいSOTA(71.0 AP)を単一スケールテストで達成する。
論文参考訳（メタデータ） (2022-08-25T10:09:10Z)
Automated Classification of General Movements in Infants Using a Two-stream Spatiotemporal Fusion Network [5.541644538483947]
幼児の全身運動(GM)の評価は神経発達障害の早期診断に有用である。近年、ビデオベースのGM分類が注目されているが、これは無関係な情報の影響を強く受けている。不要な背景情報を除去する前処理ネットワークからなる自動GM分類法を提案する。
論文参考訳（メタデータ） (2022-07-04T05:21:09Z)
AggPose: Deep Aggregation Vision Transformer for Infant Pose Estimation [6.9000851935487075]
幼児のポーズデータセットと人間のポーズ推定のためのDeep Aggregation Vision Transformerを提案する。 AggPoseは、畳み込み操作を使わずに、早く訓練されたフルトランスフォーマーフレームワークである。 AggPose は,様々な解像度のマルチスケール特徴を効果的に学習し,幼児のポーズ推定の性能を大幅に向上できることを示した。
論文参考訳（メタデータ） (2022-05-11T05:34:14Z)
Enabling faster and more reliable sonographic assessment of gestational age through machine learning [1.3238745915345225]
胎児超音波は出生前治療の不可欠な部分であり、妊娠年齢(GA)を推定するために用いられる。我々は,標準平面画像を用いた画像モデル,フライトビデオを用いたビデオモデル,アンサンブルモデル(画像とビデオの組み合わせ)の3つのAIモデルを開発した。これら3種は, 専門ソノグラフィーによる標準胎児バイオメトリに基づくGA推定よりも統計的に優れていた。
論文参考訳（メタデータ） (2022-03-22T17:15:56Z)
Hybrid Attention for Automatic Segmentation of Whole Fetal Head in Prenatal Ultrasound Volumes [52.53375964591765]
胎児の頭部全体を米国全巻に分割する,最初の完全自動化ソリューションを提案する。セグメント化タスクは、まずエンコーダ-デコーダディープアーキテクチャの下で、エンドツーエンドのボリュームマッピングとして定式化される。次に,セグメンタとハイブリットアテンションスキーム(HAS)を組み合わせることで,識別的特徴を選択し,非情報量的特徴を抑える。
論文参考訳（メタデータ） (2020-04-28T14:43:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。